人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年的发展历程划分为以下6个阶段：
一是起步发展期：1956年-20世纪60年代初。人工智能概念在1956年首次被提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：60年代-70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入了低谷。
三是应用发展期：70年代初-80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：80年代中-90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年IBM深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念，这些都是这一时期的标志性事件。
六是蓬勃发展期：2011年-至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器（GraphicsProcessingUnit，简称GPU）等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
（三）人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI优先）；微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，全球知名风投调研机构CBInsights报告显示2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
（四）创新生态布局成为人工智能产业发展的战略高地。信息技术（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动AI技术生态的研发布局，全力抢占人工智能相关产业的制高点。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理GPU服务器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，人工智能系统的智能水平即将全面超越人类水平，30年内机器人将统治世界，人类将成为人工智能的奴隶，等等。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的研究集中在深度学习，但是深度学习的局限是需要大量人工干预：人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据（非常费时费力）、用户需要人工适配智能系统等。因此已有科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类AI”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低AI人员成本。
（四）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来十年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。2018年4月，欧盟委员会计划2018-2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略》重点推动物联网建设和人工智能的应用。世界军事强国已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即提出谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS统计结果，我国在人工智能领域发表的论文数量已居世界第一。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南京大学等高校纷纷成立人工智能学院。2015年开始的中国人工智能大会（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，实现机器在任意现实环境的自主智能和通用智能仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此发展人工智能不能以短期牟利为目的，要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，并务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
（二）加强基础扎实的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。在此发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如军民融合、产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。
另外，我们需要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能将进一步拉大发达国家和发展中国家的生产力发展水平差距。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、咨询会；特斯拉等产业巨头牵头成立OpenAI等机构，旨在以有利于整个人类的方式促进和发展友好的人工智能；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）
人工智能与情报收集分析
人工智能是引领未来的战略性技术，世界上一些主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略。随着互联网的普及和飞速发展，人工智能渐渐成为国际竞争的新焦点，将深刻影响情报收集分析能力。
人工智能对情报收集分析的影响
人工智能是计算机科学、信息论、神经生理学、心理学等多种学科互相渗透而发展起来的一门综合性学科。人工智能解放了人脑，让人从繁重的重复性工作中解放出来，专注于发现性、创造性的工作。
大数据时代，我们身边充斥着各种各样的数据与信息，这些数据与信息成为重要的情报源。美国国防情报局总部的墙上就有一行字，告诫要注意普通民众的意见、评论和玩笑。由此可见我们身边的数据与信息具有非常大的价值，准确高效地收集并分析这些信息为我所用，人工智能将会发挥极大作用。
2017年7月12日，美国权威智库发布的《人工智能与国家安全》报告提到，情报工作者如果能从监控、社交媒体等渠道获取越来越多的数据，通过对这些数据进行筛选、分类和组织，有助于及早发现威胁国家安全的各种情报。
当前，数据海量增长，只靠人力要想收集全部数据，很难完成，也不太现实。因此，推进机器学习或者应用人工智能来收集分析情报，将大大缓解分析人员的负担。人工智能对于情报收集分析的主要影响集中在以下两点。
一、信息来源更加广泛。相比于人工智能收集数据的能力，之前计算机技术只能算是小儿科。以往我们获知的情报信息大多是邮件、手写文档、电话录音和照片等，这些情报是陈旧的、小范围的，信息的不确定性高。如今步入大数据时代，摄像头和无人机正在源源不断地向情报机构输送着大量的图片和视频，社交网络上每分每秒都在生成海量的信息，这使得信息来源更加广泛，如果能及时对这些信息进行处理，将把很多社会安全事件遏制在萌芽阶段。
二、分析方法更加科学。以前，情报学在研究中普遍采用的是确定性研究方法。但是，该方法必须适应于人类社会组织，而人类社会组织属于复杂系统，本身带有不确定性，因此确定性研究与情报活动本身并不匹配。分析技术又被认为是情报学的核心技术，人工智能分析技术是基于大数据建立研究范式的，在特定条件下，人工智能对于不确定性研究对象的分析能力已经超过人力分析，而且对于大量、多维性的数据分析占有绝对优势。因此，人工智能采用的分析方法更加科学，分析结构更加准确，有效避免了某些人为因素导致的偏差，这将会大大节省人力。
基于以上两点，我们可以看出人工智能有着强大的信息优势，将极大提升数据收集与分析能力，并提升产生新数据的能力，这对于情报收集分析将产生重大影响。
情报收集分析中的人工智能应用
当前，人工智能广泛应用于公开信息的深度挖掘，主要用于发现数据与数据管理、信息与事实之间的关联。作为信息技术革命的发源地和领跑者，美国在迎接人工智能新未来的过程中一马当先，也不断将人工智能运用到情报收集分析工作当中。
一、人工智能用于军事情报的收集分析。随着移动互联网基础设施的普及，以及无人机、摄像头等传感器的发展，情报工作要处理的数据量激增。以美国为例，美国国防部大量采购和部署了配有高清摄像头的无人机，并将其广泛应用于阿富汗和伊拉克两个战场，以期从源源不断传回的海量视频资料中获得敌人异常行动的蛛丝马迹，然而这些海量的视频信息让数量庞大的美国情报分析员忙得焦头烂额，效率十分低下。为解决这一问题，美国国防部于2017年4月成立“算法战跨职能小组”，推动国防部加速运用人工智能、大数据及机器学习等关键技术，以期从海量情报中快速获取有用的战场情报。这将有助于减轻全动态视频分析方面的人力负担，将情报分析员从海量的信息辨识、分拣和提炼工作中解放出来，产生更多具有实际价值的情报，提高军事决策水平。
二、人工智能用于社交媒体信息的收集分析。除了用于军事领域的情报收集分析外，美国中央情报局也将之用于日常生活信息的收集分析。以人工智能为基础的算法不仅可以挑选出关键词和名字，还可以分析出数据里隐藏的规律以及与其他事件之间的关联，并且在一次次的规律寻找中不断自我完善。人工智能的运用可以扩展情报处理的手段和范围，找到有价值的碎片信息，可以为防务、情报以及国土安全分析人员就潜在的危机提供早期预警。因此，美国中央情报局充分利用人工智能技术，提升数据收集分析能力，尤其注重获取社交媒体数据。他们通过搜索社交媒体，梳理海量的公共记录信息，形成社交媒体大数据，并对这些数据进行筛查。这种方式，改变了美国情报机构过度依赖人类经验的现状，借助人工智能，提高了情报分析的精准度。
三、人工智能用于网络舆情的分析。互联网每天产生海量数据，大大增加了舆情信息的挖掘难度。运用人工智能，可以实现对互联网所有舆情信息的实时跟踪，并通过文本挖掘、自然语言处理、可视化分析技术，提供舆情监测、专题分析、智能报告、趋势预测、舆情画像、危机预警等服务。可以说，人工智能实现网络舆情分析的自动化、智能化、精准化。当前，人工智能已经广泛应用于政府公共管理和公共服务舆情方面，未来，随着知识图谱、图片音视频信息处理（感知智能）、自然语音处理技术（认知智能）的不断应用，网络舆情的自动化和智能化水平将显著提升，比如把简单的正负面倾向性分析上升到多维度的情感判断，比如用机器人取代大部分舆情分析师的工作，让舆情分析师将精力放在建模和效果评估上，而不是花大量时间进行日常枯燥报告的撰写。
人工智能在情报收集分析中应注意的问题
人工智能需要数据的支撑，没有数据的驱动，就无法进行各种分析与预测，也不能提供精准信息服务。海量数据的收集与分析，可能带来用户隐私信息的泄露。因此，人工智能应用于情报的收集，要充分考虑智能化应用与隐私安全的平衡。具体而言，要注意以下问题：
一、信息收集需要充分授权。2018年1月3日,支付宝的晒“个人账单”事件，遭到国家互联网信息办公室和工信部的先后约谈，其中不妥之处就是提前替用户勾选同意芝麻信用收集用户信息，并向第三方提供。这种做法侵害了用户的知情权和自由选择权。尽管用户为了享受智能化服务，让渡部分个人信息，但对用户个人信息的收集与分析，必须首先获得用户授权。
二、大数据分析应有边界。在人工智能条件下，一个国家的个人信息数据――包括年龄、血型、学历、病历、收入水平、消费记录、思想倾向等都被收集、存储和智能化计算，就可能关系国家安全。比如，通过各种智能穿戴设备、网络平台或者其他公共服务的智能系统可以生成和采集很多个人信息，这些信息经过网络传递和设备之间的数据同步，被更强大的大数据中心所收集和处理，就可以实现对某一国人口信息、经济社会信息的相关性分析。因此，对于敏感的密码、指纹、签名字迹、人脸特征等身份认证信息，更应该有明晰的界限，除特定情况并征得用户授权外，用户本人应绝对掌控，信息采集方也无权违规使用。
三、信息收集与利用要防止用户隐私数据泄露。人工智能的各种应用会越来越多地抓取个人信息，如何防止用户隐私数据泄露将是很大的挑战。一方面，信息收集方要承担起保障数据安全的义务，防止用户隐私数据信息泄露，切实贯彻网络安全法中“谁收集，谁负责”的原则。另一方面，用户也要提高自身安全意识，对社交媒体上的各种行为要采取安全防范措施，注意保护自己。
（原载于《保密工作》2018年第4期）
人工智能产业发展现状与四大趋势
随着全球新一轮科技革命和产业变革孕育兴起，人工智能等数字技术加速演进，引领数字经济蓬勃发展，对各国科技、经济、社会等产生深远影响，已成为驱动新一轮科技革命和产业变革的重要力量。近年来，各国政府及相关组织持续加强人工智能战略布局，以人工智能为核心的集成化技术创新成为重点，人工智能相关技术产业化和商业化进程不断提速，正在加快与千行百业深度融合，其“头雁”效应得以充分发挥。此外，全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识。
一人工智能的内涵与产业链
（一）人工智能的内涵
人工智能（ArtificialIntelligence）作为一门前沿交叉学科，与数学、计算机科学、控制科学、脑与认知科学、语言学等密切相关，自1956年首次提出以来，各方对其界定一直存在不同的观点。通过梳理不同研究机构和专家学者提出的相关概念，关于“人工智能”的内涵可总结如下：人工智能是指研究、模拟人类智能的理论、方法、技术及应用系统的一门技术科学，赋予机器模拟、延伸、扩展类人智能，实现会听、会看、会说、会思考、会学习、会行动等功能，本质是对人的意识和思想过程的模拟。
图1：人工智能内涵示意图
来源：火石创造根据公开资料绘制
（二）人工智能的发展历程
从1956年“人工智能”概念在达特茅斯会议上首次被提出至今，人工智能发展已经历经60余年，经历了三次发展浪潮。当前全球人工智能正处于第三次发展浪潮之中。
第一次浪潮（1956－1980年）：训练机器逻辑推理能力。在1956年达特茅斯会议上，以“人工智能”概念被提出为标志，第一次发展浪潮正式掀起，该阶段的核心是：让计算机具备逻辑推理能力。这一时期内，开发出了计算机可以解决代数应用题、证明几何定理、学习和使用英语的程序，并且研发出第一款感知神经网络软件和聊天软件，这些初期的突破性进展让人工智能迎来发展史上的第一个高峰。但与此同时，受限于当时计算机的内存容量和处理速度，早期的人工智能大多是通过固定指令来执行特定问题，并不具备真正的学习能力。
第二次浪潮（1980－2006年）：专家系统应用推广。1980年，以“专家系统”商业化兴起为标志，第二次发展浪潮正式掀起，该阶段的核心是：总结知识，并“教授”给计算机。这一时期内，解决特定领域问题的“专家系统”AI程序开始为全世界的公司所采纳，弥补了第一次发展浪潮中“早起人工智能大多是通过固定指令来执行特定问题”，使得AI变得实用起来，知识库系统和知识工程成为了80年代AI研究的主要方向，应用领域不断拓宽。
第三次浪潮（2006年至今）：机器学习、深度学习、类脑计算提出。以2006年Hinton提出“深度学习”神经网络为标志，第三次发展浪潮正式掀起，该阶段的核心是实现从“不能用、不好用”到“可以用”的技术突破。与此前多次起落不同，第三次浪潮解决了人工智能的基础理论问题，受到互联网、云计算、5G通信、大数据等新兴技术不断崛起的影响，以及核心算法的突破、计算能力的提高和海量数据的支撑，人工智能领域的发展跨越了从科学理论与实际应用之间的“技术鸿沟”，迎来爆发式增长的新高潮。
图2：人工智能的三次发展浪潮
来源：火石创造根据公开资料绘制
（三）人工智能的产业链
人工智能产业链分为三层：基础层、技术层以及应用层。基础层涉及数据收集与运算，这是人工智能的发展基础，包括智能芯片、智能传感器、大数据与云计算等；技术层处理数据的挖掘、学习与智能处理，是连接基础层与应用层的桥梁，包括机器学习、类脑智能计算、计算机视觉、自然语言处理、智能语音、生物特征识别等；应用层是将人工智能技术与行业的融合发展的应用场景，包括智能机器人、智能终端、智慧城市、智能交通、智能制造、智能医疗、智能教育等。
图3：人工智能产业链
来源：火石创造根据公开资料绘制
二全球人工智能产业发展现状
（一）人工智能产业规模保持快速增长
近年来人工智能技术飞速发展，对人类社会的经济发展以及生产生活方式的变革产生重大影响。人工智能正全方位商业化，AI技术已在金融、医疗、制造、教育、安防等多个领域实现技术落地，应用场景也日益丰富。人工智能的广泛应用及商业化，加快推动了企业的数字化、产业链结构的优化以及信息利用效率的提升。全球范围内美国、欧盟、英国、日本、中国等国家和地区均大力支持人工智能产业发展，相关新兴应用不断落地。根据相关统计显示，全球人工智能产业规模已从2017年的6900亿美元增长至2021年的3万亿美元，并有望到2025年突破6万亿美元，2017－2025年有望以超30％的复合增长率快速增长。
图4：2017－2025年全球人工智能产业规模（单位：亿美元）
数据来源：火石创造根据公开资料整理
（二）全球主要经济体争相布局，中美两国占据领先位置
人工智能作为引领未来的战略性技术，目前全球主要经济体都将人工智能作为提升国家竞争力、维护国家安全的重大战略。美国处于全球人工智能领导者地位，中国紧随其后，欧洲的英国、德国、法国，亚洲的日本、韩国，北美的加拿大等国也具有较好的基础。从全球各国人工智能企业数量来看，美国人工智能企业数量在全球占比达到41％，中国占比为22％，英国为11％，以上三个国家的人工智能企业数量合计占到全球的七成以上。
图5：全球人工智能企业数量分布
数据来源：中国信通院，火石创造整理
（三）公共数据集不断丰富，关键平台逐步形成
全球数据流量持续快速增长，为深度学习所需要的海量数据提供良好基础。商业化数据产业发展迅速，为企业提供海量图片、语音等数据资源和相关服务。公共数据集为创新创业和行业竞争提供优质数据，也为初创企业的发展带来必不可少的资源。优势企业例如Google、亚马逊、Facebook等都加快部署机器学习、深度学习底层平台，建立产业事实标准。目前业内已有近40个各类AI学习框架，生态竞争十分激烈。中国的代表企业如科大讯飞、商汤科技利用技术优势建设开放技术平台，为开发者提供AI开发环境，建设上层应用生态。
（四）人工智能技术飞速发展，应用持续深入
近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能真正大范围地从实验室研究走向产业实践。以深度学习为代表的算法爆发拉开了人工智能浪潮的序幕，在计算机视觉、智能语音、自然语言处理等领域广泛应用，相继超过人类识别水平。人工智能与云计算、大数据等支撑技术的融合不断深入，围绕着数据处理、模型训练、部署运营和安全监测等各环节的工具链不断丰富。工程化能力持续增强，人工智能的落地应用和产品交付更加便捷高效。AI在医疗、制造、自动驾驶、安防、消杀等领域的应用持续深入，特别是新冠疫情以来，社会的数字化、智能化转型不断提速，进一步推动人工智能应用迈入快车道。
三全球人工智能产业发展趋势
（一）算法、算力和数据作为人工智能产业的底层支撑，仍是全球新一代人工智能产业的核心引擎
算法、算力和数据被全球公认为是人工智能发展的三驾马车，也是推动人工智能发展的重要基础。在算力层面，单点算力持续提升，算力定制化、多元化成为重要发展趋势；计算技术围绕数据处理、数据存储、数据交互三大能力要素演进升级，类脑芯片、量子计算等方向持续探索智能芯片的技术架构由通用类芯片发展为全定制化芯片，技术创新带来的蓝海市场吸引了大量的巨头企业和初创企业进入产业。在算法层面，Cafe框架?CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性，人工智能算法从RNN、LSTM到CNN过渡到GAN和BERT还有GPT－3等，不断涌现的新兴学习算法将在主流机器学习算法模型库中得到更高效的实现。在数据层面，以深度学习为代表的人工智能技术需要大量的标注数据，催生了专业的技术服务，数据服务进入深度定制化阶段。
（二）全球新兴技术持续孕育涌现，以人工智能为核心的集成化技术创新成为重点
随着全球虚拟现实、超高清视频、新兴汽车电子等新技术、新产品将不断孕育涌现，并与人工智能加速交叉集成，推动生产生活方式和社会治理方式智能化变革的经济形态；与此同时，人工智能与5G、云计算、大数据、工业互联网、物联网、混合现实（MR）、量子计算、区块链、边缘计算等新一代信息技术互为支撑。这意味着以交叉融合为特征的集成化创新渐成主流，多种新兴技术交叉集成的价值将使人工智能发挥更大社会经济价值。例如：人工智能与汽车电子领域加速融合，实现感知、决策、控制等专用功能模块，推动形成自动驾驶、驾驶辅助、人车交互、服务娱乐应用系统；人工智能与虚拟现实技术相结合，为生产制造、家装等提供工具，并为虚拟制造、智能驾驶、模拟医疗、教育培训、影视娱乐等提供场景丰富、互动及时的平台环境等。
（三）新基建春风与场景赋能双轮驱动，全球泛在智能时代加速来临
在新冠肺炎疫情成为全球发展“新常态”背景下，全球主要经济体均面临经济社会创新发展和转型升级挑战，对人工智能的运用需求愈加迫切，纷纷推动人工智能与实体经济加速融合，助力实现新常态下产业转型升级。一方面，全球大力布局智能化基础设施建设和传统基础设施智能化升级，推动网络泛在、数据泛在和应用需求泛在的万物互联生态加速实现，为人工智能的应用场景向更多行业、更多领域、更多环节、更多层面拓展奠定基础；另一方面，AI应用场景建设成为国内外关注和紧抓的关键举措，面向医疗健康、金融、供应链交通、制造、家居、轨道交通等重点应用领域，积极构建符合本地优势和发展特点的人工智能深度应用场景，探索智能制造、智能物流、智能农业、智慧旅游、智能医疗、智慧城市等模式创新和业态创新，同时典型场景建设也吸引了全球资本市场的重点关注，泛在化智能经济发展时代即将到来。
（四）全球高度关注人工智能治理工作，发展安全可信人工智能已成为全球共识
随着全球人工智能发展步入蓬勃发展阶段，人工智能深入赋能引发的挑战与风险广受关注，并在全球范围内掀起了人工治理浪潮。2019年6月，二十国集团（G20）批准了倡导人工智能使用和研发“尊重法律原则、人权和民主价值观”的《G20人工智能原则》，成为人工智能治理方面的首个政府间国际公约，发展安全可信的人工智能已经成为全球共识。此后，全球各国纷纷加速完善人工智能治理相关规则体系，聚焦自动驾驶、智慧医疗和人脸识别等重点领域出台分级分类的监管措施，推动人工治理从以“软法”为导向的社会规范体系，向以“硬法”为保障的风险防控制度体系转变。与此同时，面向人工智能治理体系建设和打造安全可信生态的相关需求，围绕着安全性、稳定性、可解释性、隐私保护、公平性等方面的可信人工智能研究持续升温，其理念逐步贯彻到人工智能的全生命周期之中，基于模糊理论的相关测试技术、AI结合隐私计算技术、引入公平决策量化指标的算法模型等新技术陆续涌现，产业实践不断丰富，已经演变为落实人工智能治理相关要求的重要方法论。
原文标题 : 全球视野下人工智能产业发展现状与四大趋势
2023年国外军事人工智能领域科技发展综述
一直以来，美国在战略层面高度重视人工智能发展，近年来发布的人工智能政策数量达到历史最高记录。2022年2月，美国国会通过《2022年美国竞争法案》，将加大对芯片制造业投资，精简行政流程，以吸引更多的人工智能高端人才，强化了对人工智能关键领域的政策支持力度［4］。2022年6月，美国防部发布《负责任的人工智能战略和实施路径》［5］，阐明了国防部如何利用人工智能的框架，制定实施人工智能的基本原则。内容主要包括：明确调整管理结构和流程，持续监督国防部人工智能使用；创建可信的人工智能系统和人工智能赋能系统；使人工智能开发速度满足国防部需求；使用需求验证程序，确保人工智能能力与作战需求保持一致，同时解决相关的人工智能风险；确保国防部所有人工智能人员理解实施人工智能的技术、开发过程和操作方法。2022年7月，美国防部启动“加速创新技术的采办和部署（APFIT）”计划，旨在通过小企业和非传统国防承包商实现快速“技术过渡”，促使人工智能等新兴技术能力的快速交付，加速人工智能技术应用［6］。为加强人工智能伦理监管，2022年10月，美国白宫科学技术政策办公室（OSTP）发布《人工智能权利法案》蓝图文件，提出创建安全有效的系统、算法歧视保护、数据隐私保护、透明性、可问责性等五项原则，以保护美国公众个人数据不被人工智能算法滥用，提高人工智能被更多领域采用的安全性［7］。2022年3月，美国防部高级研究计划局（DARPA）启动“IntheMoment（ITM）”项目，旨在军事决策过程中引入人工智能技术，通过严格的、可量化和可扩展的方法来建立和评估算法系统，以便在无法获得客观事实的情况下完成困难决策，为美国国防部的关键行动构建可信的算法决策者。
2.2俄罗斯
（1）成立开发人工智能武器的专业部门。
2022年8月，在莫斯科举行的“陆军2022”峰会上，俄国防部创新发展部宣布，俄军方已成立一个人工智能技术发展部门，致力于开发人工智能武器，加强人工智能技术在制造军用和特种装备武器模型方面的应用，以制衡美国防部新成立的首席数字与人工智能办公室。9月，俄罗斯启用国家人工智能中心，该中心将主要专注于寻求和分析跨域人工智能，包括商界、政府及科学各界，并将促进人工智能项目在各类组织中的实施［8］。
（2）俄罗斯将在未来10年广泛部署人工智能。
2022年11月，俄罗斯总统普京在人工智能大会（AIJourney）上表示，人工智能领域的突破价值巨大，各国之间竞争非常激烈，俄罗斯在世界上的地位、国家主权、安全和稳定取决于该领域取得的成果。未来10年，俄罗斯将在经济、社会、国家治理等各领域大规模部署运用人工智能，更广泛地引入人工智能将促进某些行业每10年的经济增长达20%~30%，未来俄罗斯在世界上的地位将在很大程度上取决于人工智能领域的成就［9］。
2.3其他主要国家或地区
（1）发布人工智能战略，推动技术作战应用。
2022年2月，以色列国防部发布《人工智能推广与应用战略》［10］，指导军队使用人工智能技术，对海量战场数据进行收集和处理，进一步推动数字化转型进程。2022年6月，英国防部发布《国防人工智能战略》［11］，阐述了人工智能的重要性、英国政府对人工智能的战略愿景、发展人工智能的优势、4个战略目标以及实现方法等内容，以使英国国防部在人工智能方面成为世界上最有效、最高效、最受信任和最具影响力的国家组织。4项战略目标包括：一是促进国防组织的智能化转型和变革；二是以一定的速度和规模采用和利用AI以获得防御优势；三是解决商业障碍，加强英国国防和安全AI生态系统的建设；四是促进全球AI发展，以塑造安全、稳定和民主价值观。2022年8月，澳大利亚陆军发布《机器人与自主系统战略》［12］，以增强机器人和自主系统（RAS）的能力。RAS能力的提升能够在提高速度、制定决策和降低风险方面改变陆军训练和作战方式，使指挥官在未来作战环境中获得优势，并从技术、创新体系、自主能力、部队设计、政策制度5个方面提出了实现战略目标的实施路径［13］。
（2）启动多项人工智能项目，聚焦关键技术。
2022年4月，英国宣布与爱沙尼亚合作开展北约防务创新加速器（DIANA）项目，并成立该项目的欧洲总部，旨在加速发展、试验、评估北约盟国的新技术，以应对关键的防务挑战，保持北约的技术优势，提升北约的威慑力。DIANA项目将支持北约已认证为优先事项的7项新兴和颠覆性技术，即人工智能、大数据处理、量子技术、自主性、生物技术、高超声速和太空技术。该项目对于实现北约2030愿景，确保北约发展军事能力、慑止和防御现有及未来威胁至关重要［14］。
（3）加大人工智能技术投资力度。
2022年7月，英国政府发布新版《英国数字战略》［15］，提出到2024/2025年公共研发支出将增至200亿英镑（比2021/2022年增加50亿英镑），其中英国研究与创新署（UKRI）占比近45%，将继续加大对产业界和学术界的研发投资，支持人工智能、量子计算、下一代半导体等关键技术。
3军事智能技术发展迅速，取得多项重要成果
3.1机器智能面向作战需求不断向通用智能迈进
2022年9月，美空军授予英国BAE系统公司830万美元的合同，用于研发“计划、战术、实验和弹性的战略混沌引擎”（SCEPTER）项目，旨在开发一种分析引擎，能够产生作战行动层面的机器生成战略计划，其原理是通过以机器速度探索军事交战的复杂状态，生成新的作战行动方案，再将筛选出的最佳方案在高保真模拟器中进行验证并进行人工审查［16］。10月，DARPA发布了人工智能增能（AIR）项目的特别说明，旨在开发新型人工智能和机器自主技术，用于作战管理和传感器融合，以实现集成传感器的战术自主性、大规模交战的可扩展性、对环境变化的适应性以及学习预测模型的能力。该项目重点关注两个技术领域：一是创建快速准确的模型，以捕获不确定性信息并实施自主改进；二是开发人工智能驱动的算法，可在不确定的、动态和复杂的环境中实现实时分布式自主操作［17］。
3.2仿生智能促进“人-机-环境”高效交互与协同
各国不断加强仿生机器人研究。2022年6月，DARPA“机器常识”（MCS）项目对机器人系统性能进行了一系列改进，包括利用快速运动适应算法实现四足机器人快速适应不断变化的地形；双足机器人通过学习常识训练，在仅有本体感觉反馈的情况下携带动态载荷；利用主动抓取学习算法，将多指机器人灵活抓取物体的成功率提高至93%；利用双曲线学习等计算工具从大量视频中学习人类行为的判断模式，并可预测人类未来30s内的举止行为［18］。
▲图1四足机器人在湿滑台阶上行走
2022年8月，俄罗斯在“军队-2022”（Army2022）军事展览上展出了一款代号为M-81的机器狗，外观和运动上很大程度受到仿生学原理的启发，既可以在战场上携带武器（RPG-26反装甲火箭）执行多项军事任务，也可用于在受灾地区搜救人员和运送药品［19］。2022年9月，DARPA启动“环境驱动的概念化学习”（ECOLE）项目，旨在创建对环境持续感知和学习的仿生智能体，以便在时间敏感、关键的国防部分析任务中，对图像、视频和多媒体文档进行可靠性和健壮性的人机协作分析［20］。
3.3群体智能探索无人机作战新样式
DARPA推进多个无人机“蜂群”项目，2014年启动的“小精灵”（Gremlin）项目目前正处于研发的第四阶段（2021-2023年），以吸纳“拒止环境中的协同作战”（CODE）项目在单机自主、蜂群协同自主、蜂群管理等方面的成果。2022年10月，美陆军启动为期3个月的“会聚工程-2022”演习［21］，旨在整合人工智能、机器人技术和自主性，验证、测试和评估新兴技术和能力，提高战场态势感知能力。演习中，UH-60“黑鹰”自主无人机运载1362kg重的货物，用以支援常规和特种作战部队；该无人机配备了人工智能系统，不仅支持自主协同飞行，还可用于支援部队的后勤补给。英国运营商使用人工智能决策支持系统（ZODIAC）进行数据处理和共享。此次演习涉及美军六大军种，并首次加入英澳联盟部队，以加快美国、盟友及合作伙伴之间的数据共享，支持联合全域指挥与控制（JADC2）概念。
▲图2UH-60“黑鹰”直升机为前方部队提供补给
2022年11月，美空军宣布将在2024财年预算中对“协同作战飞机”（CCA）项目进行重大投资，认为协同作战飞机技术已足够成熟，可以积极推动并在几年内形成战斗力。协同作战飞机作为有人机组能力的延伸，将以松散阵型与有人战斗机协同，在飞行员的有限指令下，自主执行战术动作。同时，美空军“先锋”计划下的“天空博格人”和“金帐汗国”即将结束相关工作，并于2023财年转为在册项目（POR），正式纳入采办序列，成为未来作战系统的核心，这两个项目均将被转入“协同作战飞机”计划。2022年12月，德国国防军、芬兰国防军、空客公司等联合完成了欧洲首次大规模有人-无人编队（MUM-T）飞行演示验证，期间，2架战机、1架直升机和5架无人机联合进行了多域飞行演示验证，其中2架无人机配备了欧洲导弹集团的电子支援（ESM）传感器，以探测敌方地空导弹，其余3架无人机配备光电传感器，可直观记录和确认防空系统的位置。此次演示验证的成功，预示着由德国国防采办局（BAAINBw）资助的“未来空战系统有人-无人编队”验证项目已完成了第二阶段的工作，即将进入第三阶段［22］。
▲图3欧洲有人-无人编队飞行演示
3.4人机混合智能发挥人机交互作战优势
（1）美国探索人脑结构与工作机理。2022年6月，DARPA启动“可靠神经符号学习和推理”（ANSR）项目，旨在通过人机混合智能技术在军事场景中的评估，提高自主作战平台的透明度和互操作性，最终构建鲁棒、可靠、可信的技术解决方案［23］。
（2）利用人工智能系统提升人机协作能力。2022年12月，空客公司、德国联邦国防军、德国航空航天中心（DLR）以及德国SFL公司和Geradts公司联合，首次成功进行了A400M“阿特拉斯”运输机发射和操控远程载具的飞行试验。试验中，将远程载具发射装置（开发周期仅6个月）装载至A400M运输机的货舱坡道上；远程载具（改进的空客Do-DT25无人机）发射后进行有动力飞行；之后A400M机组人员将控制权移交至地面操作员，指挥无人机安全降落。远程载具将成为“未来空战系统”（FCAS）的重要组成部分，将与有人机协同，支持飞行员执行任务［24］。
▲图4从A400M“阿特拉斯”运输机上发射的远程载具
4人工智能技术在各军兵种的军事应用不断深化
4.1陆战领域
（1）美陆军持续强化应用VR/AR开展军事训练。2022年8月，美军对“集成视觉增强系统（IVAS）”进行了测试，通过联网功能，士兵可获得车载光电传感器提供的影像或数据，然后将这些信息进行融合，提供更清晰、数据更丰富的战场态势影像［25］。
（2）美陆军将民营自动驾驶技术引入军队。2022年11月，美陆军将民营自动驾驶技术引入军队，为“机器人战车”（RCV）计划提供软件支持，实现军用机器人软件开发和运维，且具备动态规划能力，以及数据处理、更新能力，以支持军用车辆搜索、摧毁和巡逻等任务［26］。无人平台具备机动能力、战场生存能力、侦察处置能力和协同交互能力，相比作战人员可传输、记录更丰富的环境信息，增强指挥官的态势感知能力，辅助指挥决策［27］。
4.2海战领域
美海军探索整合无人驾驶和人工智能系统。2022年10月，美海军第五舰队和英国皇家海军在阿拉伯湾进行“幻影范围”（PhantomScope）双边演习，探索使用无人驾驶和人工智能系统，加强与有人舰艇和岸上操作员的海上监控能力。演习中，无人艇载传感器定位并识别水中的训练辅助设备，并向岸上的指挥中心传递信息［28］。
2022年11月，美海军在为期3周的“数字地平线”（DigitalHorizon）［29］演习中，首次在中东地区使用新平台，推动无人系统和人工智能技术进行集成，以改善海军在水上和水下的感知能力，提高海上区域安全并加强威慑力，并将在2023年夏天结束前建立世界上第一支无人驾驶水面舰艇部队。演习中，不同类型的无人水面艇组成舰队，利用无人平台与岸基机器人操作中心（ROC）实现数据共享，该中心可使用人工智能和机器学习对信息进行处理和分析，并识别异常信息。
▲图5美海军“幻影范围”（PhantomScope）演习
▲图6美军“数字地平线”演习集成无人系统和人工智能技术
4.3空战领域
当前，美空军正积极推动人工智能在空战领域的实用化，并依托多种低成本自主无人机逐步建立兼具数量和质量优势的制空装备体系，“天空博格人”项目就是该领域的一个典型案例。2022年，美空军“天空博格人”项目成功完成多轮试验，其“自主核心系统”集成了一系列传感器和先进的计算机算法，采用开放式架构，能够根据有人机飞行员设置的既定交战规则自主做出决策，可搭载在XQ-58A、UTAP-22、MQ-20等无人机上。该项目是美国空军研究实验室（AFRL）主管的人工智能软件系统项目之一，旨在研发基于开放性架构的人工智能软件和控制系统，实现在模块化的无人机中使用人工智能技术，同时具备快速更新、可消耗、自主性、开放架构等特征。相关成果应用后，将促进智能作战无人机及空中有人-无人协同作战能力发展。
▲图7“天空博格人”使用4种平台开发空中自主能力
在俄乌冲突中，俄罗斯将配备机载人工智能系统的“立方体”无人机部署在前线，用于探测和识别高价值目标。人工智能系统搭载模块化摄像头，实时检测和识别军事目标，并将飞行覆盖面积增加了60倍，提高了无人机的实时杀伤力和自主性，在作战环境中成功展示了其性能。
4.4网电领域
德国亨索尔特公司实现了飞机电子防御技术突破。2022年4月，亨索尔特公司开发“KalaetronAttack”干扰机，通过融合人工智能、数字化和有源相控阵（AESA）技术，可干扰最新的雷达系统，保护飞机免受敌防空系统的攻击。系统的核心是全数字化的宽带传感器/效应器、电子干扰机以及金属3D打印电子组件。这种干扰器可实现与吊舱/飞机平台的快速集成，满足陆、海、空等各种作战场景应用，可为欧洲战斗机提供新的电子战能力［30］。
美空军为F-15战机安装了先进电子战系统。2022年7月，美空军首次为F-15E战机安装了F-15“鹰式被动/主动生存预警系统”（EPAWSS）。F-15EPAWSS采用下一代数字集成电子战套件替代模拟联邦系统，使F-15能够在具有密集射频背景的现代化作战环境中运行。更新后的电子战系统提高了飞行员的态势感知能力，能够自主检测、识别和定位威胁系统［31］。
4.5指挥控制领域
美国洛马公司与澳大利亚合作开发人工智能军事指控培训系统。2022年8月，洛马公司与澳大利亚皇家空军和国防科技集团合作，测试了一种新的人工智能军事指挥控制和培训系统——“真实-虚拟-构造”（live，virtual，constructive，LVC）系统，该系统可提供“一体化防空和导弹防御决策支持能力”。同年6月，洛马公司与美印太司令部在关岛“英勇盾牌2022”演习中展示了一种人工智能规划工具，“钻石盾”系统与虚拟宙斯盾系统配对使用，执行联合、多域打击行动，演习期间，“钻石盾”系统利用人工智能技术实时分析作战指挥控制数据，并为指挥官提供辅助决策，一旦操作人员选定了行动方案，虚拟宙斯盾系统就会将目标数据发送至火箭发射器，能够有效节省时间，并减少人为失误，为未来联合全域作战奠定了基础［32］。
澳大利亚空军为综合防空和导弹防御系统（IAMD）集成人工智能驱动的决策支持工具。2022年8月，澳大利亚空军测试了为综合防空和导弹防御系统（IAMD）集成人工智能驱动的决策支持工具。测试期间，由空战管理人员输入了实际作战周期中的任务需求，包括任务规划、执行到汇报等各个阶段，旨在使人工智能系统学习并最终支持“跨多域战术指挥和控制级别的快速决策”［33］。
5启示与建议
5.1加强顶层战略规划及机构设置，明确人工智能战略发展目标
加强顶层战略规划设计，部署人工智能国家战略，统筹产业发展，明确重点领域发展方向、重点任务及关键技术；完善产学研合作机制，利用新一代人工智能项目指南引导工业部门、商界和学术界优势技术在军事领域的应用；设立专门的人工智能部门，整合大数据分析、数字化等功能，从项目管理机制、前沿技术研究、科技成果转化等方面加速人工智能在军事作战中的应用。
5.2加快技术成果转化，深化人工智能军事应用
完善人工智能技术成果转化机制，创新成果转化模式及激励措施，确保先进智能技术和装备快速交付及部署；强化先进人工智能技术的试验验证，推动新兴技术示范应用；推动无人智能化装备升级，重点武器装备列装各军兵种，深化人工智能技术在指挥控制、战场态势感知、情报监视和侦察、决策支持等方面的应用，促进智能化无人作战、指挥控制和人机协同作战能力的发展。
5.3提高军事人工智能研发投入，推进重点领域技术突破
基于作战需求，加强军事智能化基础理论及智能化应用研究，布局人工智能关键前沿技术，加速各个作战要素的智能化应用，推进智能化感知、智能化武器装备、智能化指挥决策等方面技术突破；完善军事智能化人才培养体系，提高作战人员专业素质，制定军事领域人工智能人才培养和引进计划，释放政策红利，培养一批专业能力过硬的领军人才和创新团队，为构建智能化新型作战力量体系提供人才保障。
6结束语
整体来看，人工智能技术受到各国军方的广泛关注，美国、俄罗斯、英国等国家纷纷将人工智能纳入到国家战略，并在政策、机构、立法等方面全方位规划和布局人工智能；部署多项军事智能化项目，促进人工智能技术在军事决策、目标识别、指挥控制、情报、监视和侦察等作战任务中的应用；加大人工智能基础研发投入，不断攻关和突破人工智能关键核心技术，加强武器装备智能化升级和作战模式转变［34］，并加速推进各军兵种人工智能能力融合，强化关键任务领域的决策和作战能力。随着人工智能在国家发展和国际竞争中的地位的日益凸显，其或将成为未来塑造世界大国竞争格局的决定性因素。
《战术导弹技术》由中国航天科工集团有限公司主管，中国航天科工飞航技术研究院主办，北京海鹰科技情报研究所承办，是为导弹的研究、设计、制造、试验、使用等服务的学术期刊。刊物创刊于1980年，为双月刊，是“中文核心期刊”“中国科技核心期刊”，在国内外公开发行。刊物主要刊登导弹和导弹武器系统总体技术、任务规划技术、推进技术、制导、导航与控制技术等方面的学术论文。
邮箱：zhanshu310@126.com
网址：https://zsddjs.cbpt.cnki.net/返回搜狐，查看更多